基于A3C的大视场摄像机标定OA

由于大尺寸高精度靶标的制作、存储、运输和操作均存在困难,大视场摄像机的高精度标定依然是视觉领域的挑战之一。为此,本文提出了一种基于强化学习的高精度大视场摄像机标定方法,利用A3C(Asynchronous Advantage ActorCritic)算法,优化张正友标定方法在大视场条件下的小靶标位姿,获得等效大靶标图像和靶标特征的最佳样本分布,最终实现标定精度的提升。首先,将靶标姿态优化问题建模为马尔可夫博弈模型,然后运用A3C算法训练N个并行的靶标智能体,各智能体在独立环境副本中训练以优化靶标姿态,最后把训练好的策略应用于大视场摄像机标定。对10 m^(2)大视场的摄像机标定进行实验,其反投影误差可稳定在0.2 mm以内,相比固定散焦方法精度提升约50%,相比MAPPO算法精度提升约12.3%。本文方法成功应用于旋翼风洞试验中桨叶全场景运动参数测量,满足试验对摄像机标定高精度和高稳定性的要求。